在生命科学领域，包括药物开发、癌症治疗和再生医学在内，将细胞状态控制在期望方向是核心挑战之一。然而，为此确定正确的药物或基因靶点极为困难。为解决这一问题，韩国科学技术院(KAIST)的研究人员以模块化"乐高积木"方式对细胞与药物的相互作用进行了数学建模——将其分解并重新组合，从而开发出一种新型人工智能技术，该技术不仅能预测此前从未测试过的新细胞-药物反应，还能预测任意基因扰动的效果。
韩国科学技术院(KAIST，院长李光兴)于10月16日宣布，由生物与脑工程系赵光贤教授领导的研究团队开发出一种基于生成式人工智能的技术，能够识别可将细胞引导至期望状态的药物和基因靶点。
"潜在空间"(latent space)是图像生成AI用来组织物体或细胞基本特征的不可见数学地图。研究团队成功地在此空间内将细胞状态和药物效应的表示分离，然后重新组合它们，以预测此前未经测试的细胞-药物组合的反应。他们进一步扩展了这一原理，表明该模型还能预测当特定基因被调控时细胞状态将如何变化。
该团队使用真实实验数据验证了这一方法。结果表明，AI识别出了能够将结直肠癌细胞恢复至类似正常状态的分子靶点，研究团队随后通过细胞实验确认了这一点。
这一发现表明，该方法不仅限于癌症治疗——它是一个通用平台，能够预测各种未经训练的细胞状态转换和药物反应。换句话说，该技术不仅能确定药物是否有效，还能揭示药物在细胞内的作用机制，使这一成就尤为有意义。
该研究为设计诱导期望细胞状态变化的方法提供了强大工具。预计它将在药物发现、癌症治疗和再生医学等领域有广泛应用，例如将受损细胞恢复至健康状态。
受图像生成AI的启发，我们应用了"方向向量"的概念，这一概念使我们能够将细胞转换至期望方向。该技术能够对特定药物或基因如何影响细胞进行定量分析，甚至预测此前未知的反应，使其成为一个高度通用的人工智能框架。
赵光贤教授
该研究由KAIST的韩英贤博士、博士生金贤珍和李春京博士共同完成。研究结果于10月15日在线发表在Cell Press旗下的《Cell Systems》期刊上。
该研究得到了韩国国家研究基金会(NRF)通过科学技术信息通信部的中年研究人员计划和基础研究实验室(BRL)计划的支持。
【全文结束】
